一种基于数据关系学习和预测的多目标优化代理模型设计方法及...
公开
摘要
本发明公开了一种基于数据关系学习和预测的代理模型设计方法，用于提高多目标演化算法的求解效率。其特点是将演化算法中的个体构造为关系对，并利用集成分类学习的方法学习关系数据特征，然后指导演化算法的搜索过程。本发明可以利用已有数据构造高保真的代理模型，并对未知数据提供高鲁棒性的预测结果。在极端有限的计算量下，本发明可以辅助演化算法对问题进行求解。与现有方法相比，本发明首次将数据关系用于代理模型构造，同时表现出更高的建模准确性和预测鲁棒性。在工业优化优化领域，该方法可以用百秒量级的建模与预测成本替代高代价的真实模型评估。将优化成本降低为原优化过程的十分之一内，将优化效率提高10倍以上。
基本信息
专利标题 ：
一种基于数据关系学习和预测的多目标优化代理模型设计方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114357869A
申请号 ：
CN202111581871.3
公开（公告）日 ：
2022-04-15
申请日 ：
2021-12-22
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
郝昊周爱民钱鸿邵非李丙栋王帅
申请人 ：
华东师范大学
申请人地址 ：
上海市闵行区东川路500号
代理机构 ：
上海德禾翰通律师事务所
代理人 ：
夏思秋
优先权 ：
CN202111581871.3
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06N3/12 G06K9/62 G06N20/20 G06F111/06
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-04-15 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
